基于SARMA需求模式的牛鞭效应分析

在自回归移动平均(ARMA)模型的基础上,建立需求过程为季节性自回归移动平均(SARMA)的时间序列,零售商采用最小均方差(MMSE)预测技术预测市场需求,库存采用补充订货至目标库存(order-up-to)策略的简单两级季节性供应链牛鞭效应量化模型,并对模型牛鞭效应的大小及其影响因素进行理论分析和实例验证,不仅刻画出各种情形下牛鞭效应存在的辨别条件和属性,而且实证结果表明煤炭供应链采用SARMA模型度量牛鞭效应优于ARMA模型.     

大规模风电并网的双供应源电力供应链牛鞭效应分析

中国当前的电力供应链除具有部分垄断特征外,还由于大规模风电并网使得电力供给也出现随机性,它与随机需求一起影响了供应链信息的准确传递,在电力供应链产生了牛鞭效应,但对这类问题的研究极少。本文在分析中国电力供应链特点的基础上,构建了由煤炭供应企业、发电厂(火力发电和风力发电)和用户组成的多级电力供应链模型,揭示了牛鞭效应在单/双供应源两种供应链类型下的变化。研究结果表明,大规模风电并网形成的双供应源电力供应链牛鞭效应较大且波动剧烈,尤其当下游用户需求较平稳时,供应链会出现牛鞭效应与反牛鞭效应共存现象,而预测技术的选择、风电场合理规划等有助于抑制牛鞭效应,保证电力安全并减小资源浪费。     

供应链交互作用对牛鞭效应的影响分析

考虑两平行供应链系统,建立了需求依赖于两种产品价格的需求函数模型,分析了平行供应链交互作用对牛鞭效应的影响。研究表明:(1)供应链交互作用可能增加或减弱牛鞭效应。(2)对于具有产品可替代性的两竞争型供应链系统,若产品价格交互敏感性不强,则较大协方差的引入可以抑制牛鞭效应。(3)对于具有产品互补性的两合作型供应链系统,若产品价格交互敏感性较强,则较小协方差的引入可以抑制牛鞭效应。     

服装供应链牛鞭效应仿真研究

根据系统动力学建模原理,构建了由S服装公司、直营店和加盟商组成的二级服装供应链系统动力学模型,通过改变模型中S公司的库存调整时间、库存覆盖周期以及运输延迟时间,观察系统模拟仿真运行结果中的订单波动、累计缺货变动情况,提出改善牛鞭效应和削弱累计缺货的措施.研究结果为S服装公司库存控制与优化提供了理论依据,对服装供应链库存控制亦有参考价值.     

基于ES预测技术的煤炭供应链牛鞭效应抑制方法

考虑煤炭市场需求过程带有明显的季节性波动趋势的SARMA季节时间序列,并且运用指数平滑(ES)技术预测市场需求和Order-up-to库存策略确定订货量的简单两级季节性煤炭供应链牛鞭效应量化模型,通过数值算例,讨论了权值α、提前订货的备货期L、季节性自回归系数ρ、季节性移动平均系数θ、季节性循环周期s和预测展开次数m对煤炭供应链牛鞭效应的影响规律.结果表明:减少权值α、备货期L和季节性循环周期s,总是可以有效抑制煤炭供应链牛鞭效应,而减少季节性自回归系数ρ总体趋势上可以有效地抑制煤炭供应链牛鞭效应;与之相反,增大季节性移动平均系数θ和预测展开次数m,可以有效抑制煤炭供应链牛鞭效应.     

供应链零售商预测技术研究—基于牛鞭效应的视角

一阶自回归(AR(1))序列模拟需求过程是传统文献采用的经典模型,然而上述文献关于需求过程参数(如需求自回归系数)对牛鞭效应的影响分析缺乏实践意义,为了更符合企业的实际决策过程,本文建立了需求依赖于价格、而以AR(1)序列模拟价格过程的需求函数模型,分析了最小均方差、移动平均和指数平滑预测下的牛鞭效应,确定了零售商的预测技术选择条件。研究表明:(1)产品市场规模不影响零售商预测技术的选择;(2)当产品价格敏感系数较小或价格自回归系数较小时,零售商应选择最小均方差预测技术;(3)当产品价格敏感系数和价格自回归系数均较大时,零售商应选择移动平均预测技术。     

供应链中"牛鞭效应"的成因及弱化

加强供应链中信息共享，弱化“牛鞭效应”是实现供应链管理目标的关键。本在介绍了“牛鞭效应”形成过程及成因的基础上，论述了信息共享是弱化“牛鞭效应”的有效途径和方法，然后架构了一个基于Internet的信息共享系统，并对其系统进行了简要的描述和分析。     

季节性供应链零售商补货策略研究——基于牛鞭效应视角

通过建立含有季节性自回归移动平均需求过程的供应链,零售商采用最小均方差预测技术预测提前期需求,分析(R,D)、(R,S)、(R,βS)、(R,γO)和(R,γO,βS)五种补货策略下的牛鞭效应.研究结果表明:(R,γO)补货策略是弱化牛鞭效应的最优补货策略,然而(R,γO)补货策略时出现了反牛鞭效应,无法保证供应链的安全供给.实践中当库存量调节系数和订货量调节系数较大时,(R,βS)补货策略能有效弱化牛鞭效应,当库存量调节系数和订货量调节系数较小时,(R,γO,βS)补货策略能有效弱化牛鞭效应;对于(R,βS)和(R,γO,βS)补货策略,牛鞭效应随着库存平滑系数的增大而增大;对于(R,γO)和(R,γO,βS)补货策略,牛鞭效应随着订货平滑系数的增大而增大;对于(R,S)、(R,βS)和(R,γO,βS)补货策略,牛鞭效应随着订货提前期的增大而增大;对于(R,γO)和(R,γO,βS)补货策略,牛鞭效应随着时刻t的增大而增大,但时刻t增大到一定程度时,牛鞭效应值基本不变.     

历史订单信息对牛鞭效应的影响分析

客户需求信息的失真是导致牛鞭效应存在的原因,基于零售商的历史订单数据对其需求进行预测可以部分消除牛鞭效应。论文基于零售商-分销商二级供应链视角,分析了在零售商的需求为线性自回归模式的二级供应链中,分销商利用零售商历史订单数据和现有订单数据进行需求预测时自身库存成本的变更以及整个供应链的牛鞭效应的缓解程度。结果表明:分销商利用历史订单数据进行库存的决策可以显著地降低自己的平均库存和需求的波动,这种降低程度在零售商的订货提前期较大的情况下比较明显,但是零售商的需求预测相关系数对它影响不大。     

ARMA（1,1）需求下的信息延迟对供应链最优决策的影响

在假定顾客需求满足ARMA（1,1）过程的前提下,考虑了由一个零售商和一个供应商所组成的两级供应链系统最优订购决策问题.分别建立了需求信息不延迟与延迟这两种情形下零售商和供应商的最优订购决策模型,通过比较得出：当需求呈正相关时,需求信息延迟不仅可以减小牛鞭效应,而且可以降低供应链系统的平均总成本.     

外部市场存在替代产品的VMI系统研究

供应商管理用户库存(VMI)作为一种有效的补货机制,能对购买渠道的需求信息做出积极正确的反应.现在对VMI的研究往往集中于单个零售商和单个供应商组成的系统,不考虑VMI系统受市场上其他零售商或供应商的影响.假设市场上多个零售商出售相互之间可替代的产品,某个零售商与其供应商之间应用VMI系统.我们的研究主要有两方面:1)VMI系统是否有助于零售商和供应商组成的供应链在差异产品市场上获得更大的收益;2)供应商和零售商如何决策是否应用VMI系统。     

供应链协同需求预测机制研究

如何实现供应链需求预测的有效协同是一个需要解决的难点问题。论文基于博弈论分析了协同需求预测的利益分配机制,定量分析了供应链协同需求预测的整体收益系数,提出了考虑收益和成本的动态激励机制,还定性分析了核心企业主导、信息共享以及信任等机制。提出的机制对提高供应链整体的预测能力,提升竞争力和整体绩效具有很好的价值。     

订货批量对牛鞭效应的影响分析

对于一个采用连续检查(s,S)订货策略的两级供应链,本文运用Markov链理论,通过对正则平稳Markov链行为特征的分析发现,即使不考虑需求预测方法,供货短缺,提前期和价格波动等因素,仅仅零售商的订货批量就能够产生牛鞭效应.研究结果表明,在需求分布和订货批量的变化范围满足一些条件时,减小订货批量有助于减弱牛鞭效应,从而提高供应链的运作效率.     

ARMA(1,1)需求条件下供应链需求提前承诺的影响效果分析

为了分析供应链需求提前承诺的影响效果,考虑供应链所面临的顾客需求满足ARMA（1,1）过程。首先从理论上建立正常顾客需求与顾客需求提前承诺时零售商订单量波动程度和平均库存的定量描述模型,通过两种情形下的比较分析,得出在顾客需求自回归系数大于零时,顾客需求提前承诺将减小牛鞭效应和平均库存水平;同时得出在顾客需求提前承诺时,如果顾客需求自回归系数大于零,顾客提前承诺的需求比例越高,则牛鞭效应和平均库存水平越低;顾客需求提前承诺的时间跨度越长,则牛鞭效应和平均库存水平也越低。反之亦然。其次运用仿真方法分析了顾客需求提前承诺对零售商平均库存成本的影响,得出在顾客需求自回归系数大于零时,顾客需求提前承诺将有效降低零售商的平均库存成本。     

需求受价格影响的三层供应链协调模型

针对由一个制造商、一个批发商和一个零售商构成的三层供应链系统,在随机市场需求且需求受商品零售价格影响的情况下,研究了零售商如何定价和确定订货量.在此基础上给出了一个能使供应链系统达到完美协调的收益分享合约策略,最后给出了数值例子.     

不确定需求与产出供应链回购契约决策

针对市场需求的不确定性和供应商产出产品合格率的不确定性,提出供应商产出量小于销售商订购量时需再生产满足销售商的订购,以及供应商生产过量和回购的产品通过折扣市场出售,建立以供应链期望利润为目标函数,以回购单价为决策变量的供应链回购契约决策模型.通过模型的分析,证明了模型存在最优的期望利润,给出了最优回购单价满足的方程;同时,也证明了最优订购量,最优生产量和销售商最优期望利润是回购单价的增函数.最后,通过算例验证了模型的有效性.